- •Н.К. Чертко, а.А. Карпиченко
- •Введение
- •Глава 1 элементы математической статистики
- •1.2. Генеральная совокупность и выборка
- •1.2. Обработка вариационного ряда
- •Группировка вариант в классы при дискретной изменчивости признака
- •1.3. Показатели описательной статистики
- •Статистические показатели распределения
- •Форма записи и расчета среднеквадратического отклонения
- •Сравнительная оценка состава работников предприятия
- •1.4. Оценка статистических параметров по выборочным данным
- •1.5. Теоретические функции распределения
- •1.6. Статистические критерии различия
- •Форма обработки вариант в независимых совокупностях
- •Форма обработки данных сопряженных наблюдений
- •Сравнение эмпирических и теоретических частот с использованием критерия Пирсона
- •Глава 2 дисперсионный анализ
- •2.1. Однофакторный дисперсионный анализ
- •Однофакторный дисперсионный анализ
- •Результаты однофакторного дисперсионного анализа
- •Влияние высоких доз торфа на урожай ячменя
- •2.2. Двухфакторный дисперсионный анализ
- •Двухфакторный дисперсионный комплекс
- •Результаты двухфакторного дисперсионного анализа
- •Глава 3 кластерный анализ
- •Число разбиений в зависимости от их заданной доли и вероятности
- •Число разбиений в зависимости от сочетаний числа кластеров и объектов
- •3.1. Этапы работ в кластерном анализе
- •3.2. Вроцлавская таксономия
- •Матрица таксономических метрик
- •3.3. Метод дендро-дерева б. Берри
- •Количественные показатели для зонирования города
- •Нормализованные безразмерные данные
- •Глава 4 информационный анализ
- •4.1. Показатели неопределенности объектов
- •Расчет показателя энтропии для установления оптимального времени отбора образцов
- •4.2. Применение информационного анализа в картографии
- •Решетка для вычисления информационных показателей
- •Глава 5 корреляционный анализ
- •5.1. Линейная корреляция
- •Исходные данные для расчета коэффициента корреляции
- •5.2. Нелинейная корреляция
- •Исходные данные по упругости водяного пара
- •5.3. Частная (парциальная) корреляция
- •Исходные данные для расчета коэффициентов частной корреляции
- •Итоговые значения коэффициентов корреляции
- •5.4. Понятие о множественной корреляции
- •5.5. Оценка различий коэффициентов корреляции
- •5.6. Ранговая корреляция
- •Оценка ландшафта для рекреационной цели
- •Расчет рангового коэффициента корреляции
- •Глава 6 регрессионный анализ
- •6.1. Линейная зависимость
- •Расчет данных для уравнения линейной зависимости
- •Расчет данных для определения точности выравнивания линии
- •6.2. Гиперболическая зависимость
- •Расчет данных для уравнения линейной зависимости
- •6.3. Параболическая зависимость
- •Расчет данных для уравнения параболической зависимости
- •6.4. Множественная регрессия
- •Расчет данных для уравнения линейной множественной регрессии
- •Расчет данных для критерия хи-квадрат
- •Глава 7 факторный анализ
- •7.1. Сущность и возможности применения
- •7.2. Последовательность операций
- •Корреляционная матрица r для восьми параметров агроландшафта
- •Корреляционная матрица r с приближенными значениями общностей
- •Редуцированная корреляционная матрица Rx
- •Квадрат корреляционной матрицы
- •Показатели четвертой и восьмой степени корреляционной матрицы
- •Квадрат корреляционной матрицы
- •Матрица произведений
- •Матрица первых остаточных коэффициентов корреляции r1
- •Этапы вычисления приближенных значений коэффициентов
- •Вычисление коэффициентов при факторе f2
- •Этапы вычисления приближенных значений коэффициентов
- •Глава 8 методы линейного программирования
- •8.1. Составные части общей модели линейного программирования
- •8.2. Распределительная модель линейного программирования
- •Исходные данные для землеустроительной задачи
- •8.3. Правила работы с матрицей
- •Исходные данные транспортной задачи
- •Допустимые планы перевозок грузов
- •8.4. Метод потенциалов
- •Базисный допустимый план (матрица 1)
- •Результаты первого перераспределения поставок (матрица 2)
- •Результаты второго распределения поставок (матрица 3)
- •Результаты третьего распределения поставок (матрица 4)
- •8.5. Дельта-метод Аганбегяна
- •Рабочая матрица прироста затрат
- •Первый вариант перемещения поставки
- •Второе перемещение поставки
- •Третье перемещение поставки
- •Четвертое перемещение поставки
- •8.6. Модификация моделей транспортных задач
- •8.6.1.Открытая транспортная задача
- •8.6.2. Максимизация целевой функции
- •8.6.3. Ограничения по времени транспортировки продукции
- •Учет времени перевозки продукции
- •8.6.3. Транспортно-производственная задача
- •8.6.4. Многоэтапная транспортная задача
- •Форма записи исходных данных в четырехблочную матрицу
- •8.6.5. Многопродуктовая транспортная задача
- •Мощности и спросы по торфу
- •Мощности и спросы по бурому углю
- •Оптимальный вариант распределения поставок в условных единицах
- •8.6.6. Лямбда-задача
- •Глава 9 методы теории графов
- •9.1. Элементы теории графов
- •9.2. Топологический анализ сетей
- •Матрица кратчайших расстояний между вершинами и индексы доступности вершин
- •9.3. Сетевые постановки транспортных задач
- •9.4. Сетевая постановка открытой транспортной задачи
- •9.5. Транспортно-производственная задача
- •9.6. Классификация с использованием графов
- •Выращивание сельскохозяйственных культур в разрезе областей
- •Глава 10 динамические ряды
- •Виды трендовых моделей
- •10.1. Показатели динамического ряда
- •Уровень производства промышленной продукции (пп) предприятия
- •10.2. Сглаживание динамических рядов
- •Сглаживание динамического ряда укрупнением интервалов и скользящим средним
- •10.3. Выравнивание по способу наименьших квадратов
- •Выравнивание динамического ряда по способу наименьших квадратов
- •Глава 11 математическое моделирование в географии
- •11.1. Математическое моделирование природных и общественных процессов
- •Глава 12 географическое поле
- •12.1. Операции над статистическими поверхностями
- •12.2. Методика составления карт изокоррелят
- •Литература Основная
- •Дополнительная
- •Приложения
- •1. Таблица достаточно больших чисел
- •2. Случайные числа
- •3. Значение критерия τ в зависимости от объема выборки n и уровня значимости α
- •4. Значения критерия Стьюдента t при различных уровнях значимости
- •6. Значения критерия хи-квадрат (Пирсона)
- •5. Критические значения f (критерия Фишера)
- •7. Минимальные существенные значения коэффициентов корреляции
- •8. Соотношение между r и z' для z' значений от 0 до 5*
- •9. Значения коэффициента корреляции рангов Спирмена для двусторонних пределов уровня значимости α
- •10. Алгоритм вычисление основных показателей описательной статистики и критерия Стьюдента в Microsoft Office Excel 2003
- •11. Алгоритм проведения однофакторного дисперсионного анализа в Microsoft Office Excel 2003
- •12. Алгоритм проведения корреляционного и регрессионного анализов в Microsoft Office Excel 2003
- •13. Алгоритм проведения кластерного анализа в Statsoft Statistica 6.0
- •14. Алгоритм проведения факторного анализа в Statsoft Statistica 6.0
- •15. Решение задачи на оптимальность
- •Оглавление
- •Глава 9 146
- •Глава 10 166
- •Глава 11 174
- •Глава 12 179
9.3. Сетевые постановки транспортных задач
Транспортные задачи, рассмотренные в теме по линейному программированию, можно решать с использованием методов теории графов. Они имеют преимущества, так как в ходе поисков оптимального плана поставок одновременно выбираются наиболее рациональные пути их перевозок. В сетевой постановке транспортных задач имеются непосредственные связи между пунктами и отсутствуют косвенные связи.
Сетевая постановка закрытой транспортной задачи. Граф должен представлять ориентированное дерево. Построение его можно начинать с любой вершины. Если начальная вершина положительная (+), то продукция из нее вывозится и она является началом дуги (стрелки), которая должна входить в одну из смежных вершин. При построении графа с отрицательной вершины (–), в которую ввозится продукция, она должна быть концом дуги (стрелки), выходящей из любой смежной вершины. Стрелка вдоль ребра символизирует превращение его в дугу. На стрелке указывается величина перемещаемой продукции:
Составление базисного плана. В качестве начальной вершины выбрана положительная вершина а – поставщик, имеющий 70 единиц продукции (рис. 9.6). От нее направлены две стрелки: а) в отрицательную вершину d, которой требуется 50 единиц продукции; б) в вершину f (+20) перемещаем 20 единиц продукции.
Исчерпав возможности поставщика a, переходим к распределению продукции поставщика b (+90). Из вершины b отправляем в вершину с всю продукцию (90 ед.). В ней оставляем (вершине с) необходимые 55 единиц, а лишнюю часть (35 ед.) передаем в вершину h, куда необходимо поставить 75 единиц продукции. Недостающую продукцию 40 единиц должны получить от соседнего поставщика g , который имеет 15 единиц. Этого недостаточно, поэтому вершину h пополняем недостающими единицами из вершины е (+25), пройдя через вершину g. В результате проведенных операций все поставщики отправили продукцию всем потребителям.
Рис. 9.6.Базисный план закрытой транспортной задачи в сетевой постановке
Однако мы получили пока несвязный граф (имеется пробел между стрелками). Он состоит из двух связных компонент. Число стрелок в графе (рис. 9.6) равно 6, а должно быть 7, так как в графе 8 вершин. Следовательно, на одном из ребер ставим стрелку любого направления с нулевой поставкой продукции, чтобы образовать контур. Для этого подходит соединение вершин а–b, а также d–e и не подходит соединение c–e, d–f, чтобы не образовать контуры.
При базисном распределении поставок, соблюдая правила, надо стремиться к размещению стрелок на ребрах с меньшими значениями cij (они указаны посередине ребра), что трудно сделать в задачах большой размерности.
Проверка допустимого плана на оптимальность проверяется методом потенциалов. Для этого вначале любой вершине присваивается любая величина потенциала (λ). Однако его величина должна быть большая, по сравнению с cij ребер графа, чтобы не получить отрицательных потенциалов вершин и не усложнять работу.
В вершине а потенциал устанавливаем равным λа = 10. Двигаясь по дугам со стрелками, вычисляем потенциалы других вершин сети с учетом направления стрелок. Если стрелка выходит из вершины, то к ее потенциалу прибавляется величина cij ребра; если стрелка входит в вершину, то с ее потенциала вычитается cij соответствующего ребра. Потенциалы вершин (λ) заключаем в прямоугольник у вершины.
Функционал можно рассчитывать с использованием cij или λ:
Z =∑λi · хij = 10 · 70 + 13 · 90 + 18 · (–55) + 12 · (–50) + 16 · 25 + 17 · (–20) + + 17 · 15 + 22 · (–75) = –1055.
Z =∑cij · хij = 3 · 0 + 90 · 5 + 7 · 20 + 2 · 50 + 1 · 25 + 4 · 35 + 5 · 40 = 1055.
Величины функционалов получены одинаковые, но с противоположными знаками. Следует проверить план на оптимальность.
Базисный план на оптимальность проверяется путем расчета характеристики (Eij) ребер, не имеющих дуг (стрелок) (см. рис. 9.6). Любому ребру сетки соответствует два потенциала вершин, которые им соединяются. Следует из большего потенциала вершины вычесть меньший потенциал и полученную разность вычесть из cij ребра, например:
Edf = cdf – (λ f – λ d) = 2 – (17 – 12) = –3.
В нашем графе план неоптимальный, так как имеет два ребра с отрицательными характеристиками Eij: ребро d – e (–2) и d – f (–3). Поэтому производим перераспределение поставок. Для этого на ребро с наибольшей отрицательной Edf = –3 ставится стрелка, которая имеет направление от вершины с меньшим потенциалом к вершине с большим потенциалом d→f.
Размер поставки на новой стрелке зависит от следующих обстоятельств. Новая стрелка привела к образованию псевдоконтура a→d→f←a, что требует изъятия одной стрелки для соблюдения правила: число вершин минус единица равно числу стрелок в графе. Кроме того следует разрушить псевдоконтур, которого не должно быть в графе. В возникшем псевдоконтуре выбираем стрелку противоположного направления новой стрелке d→f. Выбираем, если есть несколько, ту стрелку которая имела наименьшую величину поставки (af = 20) до появления новой стрелки d→f.
Минимальную поставку (20) перераспределяем по псевдоконтуру следующим образом: она прибавляется на стрелках, имеющих одинаковое направление с новой стрелкой и вычитается из поставок на стрелках, которые имеют противоположное направление новой стрелке.
В рассматриваемом псевдоконтуре стрелка a→d имеет одинаковое направление с новой d→f. На a→d прибавляется поставка 20 к прежней 50 и получается новая поставка 70. Излишек поставки 20, образовавшийся в вершине d передается вершине f по новой стрелке d→f. Прежняя поставка 20 между вершинами a→f убирается вместе со стрелкой (рис. 9.7). В результате перемещения минимальной поставки 20 по псевдоконтуру ликвидирован сам контур, потребители получили необходимую продукцию.
Рис. 9.7. Первое перераспределение поставки (20) по псевдоконтуру
Новый план стал более оптимален, так как величина функционала уменьшилась на 100 (см. рис. 9.7). Однако при расчете потенциалов вершин и характеристики ребер получена отрицательная величина минус 2 между вершинами d – e. Значит, необходимо произвести новое перераспределение продукции.
Для этого на ребро с отрицательной характеристикой ставим стрелку d→e. Образуется псевдоконтур a→d→e→g→h←c←b←a, в котором одна из встречных стрелок a→b имеет минимальную поставку, равную нулю. Ее перераспределяем по псевдоконтуру, как описано выше, и получаем новый допустимый план (рис. 9.8).
Рис. 9.8. Второе перераспределение поставки (0) по псевдоконтуру
Расчет потенциалов вершин и характеристики ребер без стрелок показывает, что ребра не имеют отрицательных характеристик. Таким образом, получен оптимальный вариант без изменения функционала, так как перемещалась нулевая поставка.